Web文本分类系统中文本预处理技术的研究与实现
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-13页 |
| ·研究背景及意义 | 第7-8页 |
| ·搜索引擎的发展 | 第8-9页 |
| ·Web文本分类的研究现状 | 第9-11页 |
| ·本文的主要研究内容 | 第11-12页 |
| ·本文的组织结构 | 第12-13页 |
| 2 Web文本挖掘 | 第13-23页 |
| ·Web文本挖掘的特点 | 第13-14页 |
| ·Web文本分类系统 | 第14-16页 |
| ·常用的文本分类算法 | 第16-23页 |
| ·KNN分类算法 | 第16页 |
| ·朴素贝叶斯算法 | 第16-17页 |
| ·决策树算法 | 第17-18页 |
| ·SVM分类算法 | 第18-23页 |
| 3 Web文本预处理技术 | 第23-41页 |
| ·DOM树结构 | 第23-25页 |
| ·网页清洗 | 第25-28页 |
| ·中文分词 | 第28-31页 |
| ·机械分词法 | 第28-29页 |
| ·基于理解的分词方法 | 第29页 |
| ·基于统计的分词方法 | 第29-31页 |
| ·去除停用词 | 第31-32页 |
| ·常用的特征选择方法 | 第32-34页 |
| ·文档频度 | 第32页 |
| ·信息增益 | 第32页 |
| ·互信息 | 第32-33页 |
| ·x~2统计 | 第33-34页 |
| ·基于同义词统计的特征选择 | 第34-38页 |
| ·《同义词词林》扩展版介绍 | 第34-36页 |
| ·基于《同义词词林》的特征选择方法 | 第36-38页 |
| ·文档的表示 | 第38-41页 |
| ·文档的向量表示 | 第38页 |
| ·特征项权重的计算 | 第38-41页 |
| 4 支持向量机在Web文本分类中的应用 | 第41-44页 |
| ·LIBSVM分类器介绍 | 第41页 |
| ·支持向量机在文本分类中的应用 | 第41-42页 |
| ·SVM用于Web文本挖掘中的优点 | 第42-44页 |
| 5 预处理系统实现及实验结果分析 | 第44-57页 |
| ·预处理系统设计 | 第44-52页 |
| ·网页清洗模块 | 第44-47页 |
| ·分词模块 | 第47-48页 |
| ·特征选择模块 | 第48-51页 |
| ·文本表示模块 | 第51-52页 |
| ·试验环境及采用的语料 | 第52页 |
| ·试验结果分析 | 第52-57页 |
| ·采用的分类评价指标 | 第52-53页 |
| ·试验结果 | 第53-57页 |
| 6 结束语 | 第57-59页 |
| ·本文小结 | 第57页 |
| ·进一步的工作 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-62页 |
